Bidang statistik mengandungi dua jenis pembolehubah: bersandar dan tidak bersandar. Begitu juga, untuk membuat kesimpulan, ahli statistik menggunakan pelbagai jenis ujian yang mana dua daripadanya adalah ujian parametrik dan bukan parametrik. Ini adalah klasifikasi yang sangat luas bagi prosedur statistik yang berbeza yang digunakan dalam dunia aplikasi statistik yang luas.
Parametrik vs Bukan Parametrik
Perbezaan antara kedua-dua ujian ini ialah satu daripadanya adalah bergantung dan satu lagi adalah bebas pada tahap tertentu daripada parameter seperti min, sisihan piawai, variasi dan Teorem Had Pusat. Semua ini adalah parameter berbeza yang dikira pada data yang tersedia. Walaupun setiap ujian parametrik mempunyai pasangan bukan parametrik atau setara.
Prosedur statistik parametrik diterangkan sebagai prosedur yang keputusannya bergantung pada andaian bentuk taburan data (Contoh: Taburan Normal) dan tentang parameter taburan yang diandaikan. Terdapat pelbagai jenis ujian parametrik seperti ujian-t, pekali korelasi Pearson, ujian-t berpasangan, dan banyak lagi.
Prosedur statistik bukan parametrik diterangkan sebagai prosedur yang keputusannya bergantung pada tidak atau sedikit andaian bentuk taburan data atau tentang parameter taburan yang diandaikan. Aplikasi mereka lebih fleksibel dan teguh kerana mereka tidak bergantung pada sebarang jenis andaian atau syarat yang telah ditetapkan untuk data.
Jadual Perbandingan Antara Parametrik dan Bukan Parametrik
| Parameter Perbandingan | Parametrik | Bukan parametrik |
| Definisi | Ujian yang keputusannya bergantung pada taburan dipanggil ujian parametrik. | Ujian yang keputusannya tidak bergantung pada taburan dipanggil ujian bukan parametrik. |
| Kuasa statistik | Ujian parametrik mempunyai kuasa statistik yang lebih tinggi. | Ujian bukan parametrik mempunyai kuasa statistik yang lebih rendah. |
| serba boleh | Ujian parametrik tidak boleh digunakan untuk semua situasi. | Ujian bukan parametrik lebih teguh dan boleh digunakan pada situasi yang berbeza. |
| Nilai Kecenderungan Pusat | Nilai min ialah nilai kecenderungan pusat untuk ujian ini. | Nilai median ialah nilai kecenderungan pusat untuk ujian ini. |
| Jenis pengedaran | Ia digunakan pada data yang mengikuti taburan normal. | Ia digunakan pada data yang mengikuti sebarang pengedaran sewenang-wenangnya. |
Apakah Ujian Parametrik?
Ujian statistik parametrik mengandaikan parameter populasi dan taburan data ia datang. Ujian parametrik digunakan untuk data kuantitatif dengan pembolehubah selanjar. Data yang digunakan ujian parametrik diukur pada ukuran skala nisbah dan mengikut taburan normal.
Ujian parametrik yang paling meluas dan biasa digunakan ialah ujian-t (untuk saiz sampel kurang daripada 30), ujian-Z (untuk saiz sampel lebih daripada 30), ANOVA, Korelasi pangkat Pearson. Nilai kecenderungan memusat yang diambil kira ialah min bagi taburan dan kebanyakannya boleh digunakan pada taburan normal untuk data. Kelemahan ujian jenis ini ialah memandangkan nilai kecenderungan memusat adalah min, data sangat terdedah untuk dipengaruhi oleh outlier, dan dengan itu terdedah kepada terpesong dan ini mengurangkan kuasa statistik ujian ini.
Pengedaran berterusan seperti data tentang pelbagai ketinggian atau berat spesies dari semasa ke semasa, data tentang suhu ialah contoh yang digunakan untuk ujian parametrik. Walaupun, disebabkan andaian tentang data aplikasinya sedikit kurang serba boleh dalam kehidupan sebenar.
Apakah Ujian Bukan Parametrik?
Ujian bukan parametrik ialah ujian yang tidak bergantung pada sebarang andaian pengedaran data atau parameter untuk menganalisisnya. Mereka juga kadangkala dirujuk sebagai "ujian bebas pengedaran". Bukan parametrik tidak semestinya bermakna kita tidak tahu apa-apa tentang populasi, ini bermakna data itu condong atau "tidak diedarkan secara normal".
Sebab mengapa kami menggunakan ujian bukan parametrik ialah: jika data tidak memenuhi andaian untuk sampel populasi atau apabila data condong, saiz sampel populasi terlalu kecil atau data yang dianalisis adalah nominal atau ordinal. Jenis ujian bukan parametrik yang berbeza ialah ujian Tanda, ujian peringkat bertanda Wilcoxon, ujian Kruskal-Wallis, ujian Mann-Whitney, korelasi pangkat Spearman, ujian median Mood. Nilai median ialah nilai kecenderungan memusat.
Ia lebih fleksibel dalam aplikasi kehidupan sebenar kerana data yang ditemui dalam kehidupan sebenar tidak semestinya diedarkan secara normal dan kebanyakannya bergumpal atau tidak linear. Oleh kerana kesederhanaan dan sifatnya yang teguh, ujian bukan parametrik dilihat kurang terdedah kepada penggunaan yang tidak betul dan salah faham. Mereka kebanyakannya digunakan dalam populasi yang datang dalam susunan kedudukan, seperti penilaian dan ulasan filem, meletakkan penilaian untuk restoran, dan sebagainya. Tetapi, untuk data dengan saiz sampel yang besar, ujian ini kehilangan banyak kuasa statistiknya.
Perbezaan Utama Antara Ujian Parametrik dan Bukan Parametrik
Perbezaan utama antara ujian Parametrik dan Bukan Parametrik ialah ujian parametrik bergantung pada data yang mengikut andaian atau syarat tertentu manakala ujian bukan parametrik tidak perlu mengikut sebarang andaian sedemikian. Beberapa perbezaan lain antara kedua-dua ujian adalah seperti berikut:
Kesimpulan
Kesimpulannya, ujian parametrik dan bukan parametrik adalah kedua-dua bahagian penting dalam menganalisis sebarang data yang diberikan. Bergantung pada sama ada ia bertaburan normal atau tidak, sama ada ujian parametrik atau bukan parametrik digunakan. Memilih ujian untuk dilakukan bergantung pada jenis data yang kita ada, saiz sampel dan berapa banyak pengetahuan pra-syarat tentang populasi yang kita ada.
Data yang mempunyai saiz sampel yang besar memerlukan ujian parametrik dan bukannya bukan parametrik kerana ia lebih tepat. Dalam kes data saiz sampel yang kecil, ujian bukan parametrik lebih diutamakan. Tiada ujian yang lebih baik daripada yang lain kerana kedua-duanya beroperasi dalam situasi yang berbeza. Sebagai ahli statistik, anda perlu ingat bahawa ujian bukan parametrik ialah alternatif kepada ujian parametrik, bukan pengganti.
